基于深度学习和Wi-Fi感知的人体行为识别系统已逐步成为主流的研究方向,在近年来得到了长足的发展.然而,现有的系统严重依赖于大量带标记样本以达到良好的识别精度.这导致了大量的人力成本用于标记数据,同时现有系统也难以应用于实际场景.针对该问题,提出一种将主动学习应用于Wi-Fi感知的人体行为识别系统——ALSensing.该系统是第一个将主动学习和Wi-Fi人体行为识别相结合的系统,能够利用有限数量的已标记训练样本构建一个性能良好的行为识别器.利用商用的Wi-Fi设备实现了ALSensing系统,并且使用6个不同场景的实际数据集评估了它的性能.实验结果显示,ALSensing利用3.7％的已标记训练样本能够达到52.83％的识别精度,利用15％的已标记训练样本能够达到58.97％的识别精度,而利用现有基于深度学习的人体行为识别系统测量的参考基准在100％的已标记训练样本的情况下达到62.19％的识别精度.可见,ALSensing能够实现与现有基于深度学习的人体行为识别系统接近的识别精度,但是所需要的已标记训练样本的数量大幅度减少.

主动学习;人体行为识别;Wi-Fi

中国科学技术大学,安徽 合肥 230026

[1]赵广智;周志鹏;龚伟;陈绍青;周浩泉-.基于主动学习和Wi-Fi感知的人体识别系统)[J].物联网学报,2022(01):44-52

ALSensing

主动学习,Wi,Fi,人体识别,人体行为识别,行为识别系统,来得,标记样本,识别精度,人力成本,记数,学习应用,训练样本,识别器,商用,同场,实际数据,本能,系统测量,下达

0.198174